国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

一種非下采樣輪廓波變換域水果圖像預處理方法

2016-01-27 00:10許健才
江蘇農(nóng)業(yè)科學 2015年11期

摘要:水果圖像在獲取過程中受到拍攝系統(tǒng)自身的缺陷、復雜多變的成像環(huán)境等多重因素的限制,導致圖像被摻雜進一些噪聲,降低了圖像的清晰度。結合非下采樣輪廓波變換(nonsubsampled contourlet transform,NSCT),提出了該類圖像的有效預處理方法。該方法首先對圖像進行多尺度NSCT分解,獲得低頻分解系數(shù)和高頻分解系數(shù);然后對低頻分解系數(shù)進行模糊增強處理,對高頻系數(shù)采用二維多級中值濾波算法(two-dimensional multi-stage median filtering algorithm)進行處理;最后進行分解系數(shù)重構,獲得清晰度較高的水果圖像。分別將此算法與已有的幾類同類型算法對水果圖像進行去噪處理,并引入峰值信噪比(peak signal noise to ratio,PSNR)作為處理效果評價指標,結果表明,此算法性能明顯優(yōu)于已有的同類型算法。

關鍵詞:水果圖像;隨機噪聲;非下采樣輪廓波變換;二維多級中值濾波算法

中圖分類號: S126;TP391文獻標志碼: A文章編號:1002-1302(2015)11-0499-03

收稿日期:2014-11-25

基金項目:廣州市科技和信息化局應用基礎研究專項(編號:2013J410007)

作者簡介:許健才(1978—),男,廣東清遠人,碩士,講師,研究方向為移動互聯(lián)網(wǎng)技術、計算機圖像處理。 E-mail:xujiancaimaster@126.com。近年來,關于圖像去噪的研究成果大體上可以分為2類:一類為變換域去噪算法,該類算法通過對噪聲圖像進行多尺度變換,通過多層變換實現(xiàn)對圖像中噪聲與信號的分離,如小波變換[1]、輪廓波變換[2]、曲波變換[3]等;另一類為空間域去噪算法,該類算法直接對噪聲圖像進行處理,如中值濾波[4]、均值濾波[5]、二維多級中值濾波[6]等。對于水果圖像的處理,一方面要求提高圖像的對比度,突出圖像中果實邊緣等信息;另一方面要去除圖像中由成像系統(tǒng)固有的缺陷以及復雜的成像環(huán)境等因素導致的隨機噪聲。本研究借助非下采樣輪廓波變換(NSCT)圖像分析方法,提出了一種水果圖像有效預處理方法,對NSCT分解系數(shù)分別進行增強和濾波處理,通過系數(shù)重構獲得較為清晰的圖像,旨在為開展圖像去噪研究提供依據(jù)。

1方法理論基礎

1.1圖像非下采樣輪廓波變換

非下采樣輪廓變換(NSCT)[7]作為一種新型的圖像分析框架,相對于小波變換而言,能夠更為有效地刻畫圖像中的線、面等信息,對于輪廓信息豐富的水果圖像而言較為適合。水果圖像NSCT分解步驟如下:(1)采用一種非下采樣塔形濾波器(nonsubsampled pyramid,NSP)對水果圖像進行多尺度分解操作,得到一個低頻圖像、一個高頻圖像。低頻圖像主要包含了水果圖像中背景信息,高頻圖像則包含了水果圖像中圖像輪廓邊緣等細節(jié)信息以及絕大多數(shù)的噪聲信息,該環(huán)節(jié)即為圖像多尺度分解操作。(2)對步驟(1)中獲得的高頻圖像采用一種非下采樣多方向濾波器(nonsubsampled directional filter bank,NSDFB)進行多方向的分解操作,獲得代表各個方向上的水果圖像高頻信息的方向帶通圖像序列,該環(huán)節(jié)即為圖像的多方向剖分操作。(3)對步驟(1)中的低頻圖像繼續(xù)執(zhí)行多尺度分解、多方向分解,達到對圖像多尺度分析的目的。

1.2模糊增強方法

模糊增強方法的基本思想是通過構建模糊隸屬映射函數(shù),將圖像由空間域變換至模糊域,在模糊域中采用非線性增強函數(shù)進行處理,在此基礎上進行逆變換獲得增強后的圖像[8]。為了更為有效地實現(xiàn)對水果圖像的增強處理,提高圖像的對比度,對經(jīng)典的Pal-King增強算法進行改進,改進算法中的模糊映射函數(shù)如下:

1.3二維多級中值濾波算法

二維多級中值濾波算法[6]通過將噪聲點的一定鄰域劃分成4個不同方向的濾波模板(圖1),分別進行中值濾波,然后將各模板中的濾波結果進行適當取舍從而獲得噪聲點的濾波值。

對于圖像中處于(i,j)處的噪聲點,鄰域大小為(2N+1)×(2N+1) (N為正整數(shù))采用二維多級中值濾波算法濾波過程為:

2方法實現(xiàn)步驟

經(jīng)過以上分析,可以梳理出本研究水果圖像預處理方法的基本步驟:(1)采用非下采樣輪廓波變換(NSCT)對水果圖像進行2層分解,對應“1.1”節(jié)中的步驟(1)、步驟(2)、步驟(3),獲得了水果高頻系數(shù)、水果低頻系數(shù);(2)對于水果低頻系數(shù),由于其中包含了圖像的絕大多數(shù)背景信息,圖像對比度較低,為此,采用“1.2”節(jié)提出的模糊增強方法進行處理;(3)對于水果高頻系數(shù),采用“1.3”節(jié)中的二維多級中值濾波算法進行處理,著重濾除其中的噪聲;(4)對步驟(2)、步驟(4)的處理結果進行系數(shù)重構,得到處理后的水果圖像。

3試驗仿真及分析

在MATLAB平臺上編寫相關程序對2幅水果圖像進行仿真試驗并與經(jīng)典二維多級中值濾波算法、改進二維多級中值濾波算法[6]進行比較,同時引入峰值信噪比(PSNR)[9-10](PSNR值越大,越能體現(xiàn)出對應算法的性能)對上述幾類算法的性能進行客觀評估。為了有效測試本方法對較為模糊且含有大量噪聲圖像的處理效果,對其中加了一些隨機噪聲,相關試驗結果見圖2、圖3、表1。

圖2-a、圖3-a為2幅添加了20%隨機噪聲后形成的噪聲圖像,對圖2-a、圖3-a采用經(jīng)典二維多級中值濾波算法進行處理,結果如圖2-b、圖3-b所示,圖像整體比較模糊,特別是圖3-b中存在一些黑色斑塊,說明圖像中殘留噪聲密度較大,圖中草莓、山楂果實的輪廓比較模糊。圖2-c、圖3-c為參考文獻[6]中所提出的改進二維多級中值濾波算法處理結果,圖像中噪聲殘留程度略低于圖2-b、圖3-b,圖中的草莓、山楂果實的輪廓模糊程度有所降低。相對于上述2類算法,本研究算法基本去除了2幅圖像中的噪聲,圖像清晰度得到最大程度地恢復,如圖2-d、圖3-d所示,圖中草莓、山楂果實表面的細小斑點均能夠清晰地辨認出來。由表1可知,經(jīng)典二維多級中值濾波與參考文獻[6]中的改進二維多級中值濾波算法的PSNR值比較接近,說明參考文獻[6]中的改進二維多級中值濾波算法對細節(jié)信息較為豐富的水果圖像的處理效果整體不理想。本研究算法的PSNR值明顯高于其余2類算法,說明該算法去噪性能較優(yōu)。

4結論

本研究結合非下采樣輪廓波變換(NSCT),提出了一種水果圖像高效預處理方法。該方法分別對輪廓波變換的低頻系數(shù)、高頻系數(shù)進行模糊增強和二維多級中值濾波處理,通過系數(shù)重構獲得了高質量的水果圖像。該方法適合于處理細節(jié)信息豐富的水果圖像,對于處理農(nóng)業(yè)圖像有一定的參考價值。

參考文獻:

[1]衛(wèi)娟,孫冬. 基于提升小波變換的農(nóng)產(chǎn)品圖像有效處理方法[J]. 江蘇農(nóng)業(yè)科學,2014,42(6):364-366.

[2]Shen X H,Wang K,Guo Q. Local thresholding with adaptive window shrinkage in the contourlet domain for image denoising[J]. Science China Information Sciences,2013,56(9):1-9.

[3]Binh N T,Khare A. Multilevel threshold based image denoising in curvelet domain[J]. Journal of Computer Science and Technology,2010,25(3):632-640.

[4]周大鵬,何遠智,張自友,等. 一種改進的變系數(shù)圖像去噪方法[J]. 沈陽農(nóng)業(yè)大學學報,2013,44(3):381-384.

[5]楊青. 基于農(nóng)業(yè)視覺圖像的高效濾波處理方法[J]. 江蘇農(nóng)業(yè)科學,2014,42(4):361-362,363.

[6]王明常,邢立新,楊毅恒,等. 動態(tài)方向加權二維多級中值濾波的圖像處理[J]. 吉林大學學報:信息科學版,2006,24(1):18-21.

[7]Cunha A L,Zhou J,Do M N. The nonsubsample contourlet theory design and application[J]. Transaction Image Processing,2006,15(10):1780-1792.

[8]劉習文,薛家祥. 紙幣接觸式傳感器圖像模糊增強與邊界檢測[J]. 科學技術與工程,2013,13(34):10381-10385,10391.

[9]宋懷波,何東健,韓韜.Contourlet變換為農(nóng)產(chǎn)品圖像去噪的有效方法[J]. 農(nóng)業(yè)工程學報,2012,28(8):287-292.

[10]王小兵,孫久運,湯海燕,等. 基于小波變換的圖像混合噪聲自適應濾波算法[J]. 微電子學與計算機,2012,29(6):91-95.郭華,王軍林,張立勇,等. 村鎮(zhèn)綠色建筑水系統(tǒng)規(guī)劃設計[J]. 江蘇農(nóng)業(yè)科學,2015,43(11:502-504.

萨嘎县| 永丰县| 湟源县| 慈溪市| 武城县| 通道| 潜山县| 榆中县| 绩溪县| 双桥区| 宁武县| 古丈县| 南木林县| 济南市| 龙口市| 淅川县| 威宁| 丰台区| 广平县| 黎城县| 沁源县| 吐鲁番市| 东宁县| 西青区| 丁青县| 宜昌市| 拜泉县| 和田县| 陆丰市| 苏尼特左旗| 于都县| 阿拉善右旗| 阿克苏市| 兴安县| 淳化县| 京山县| 永清县| 石狮市| 汝城县| 英德市| 湖北省|